專欄總目錄

當我們在談論K-means

在網上找到的K-means或聚類相關的文章，內容大多較為瑣碎，不太能幫助深入理解它。為了加深對K-means的理解，以便在實際中調參與修改演算法，於是有了這個系列。此系列主要是從理論層面去理解K-means及相關演算法，包含的文章如下：

當我們在談論K-means：數據概述

當我們在談論K-means：論文概述（1）

當我們在談論K-means：論文概述（2）

當我們在談論K-means：其他聚類演算法

當我們在談論K-means：總結

當我們在談論GBDT

由於 GBDT 效果一直比較好，加上 XGBoost 的易用性，GBDT 近幾年在Kaggle等競賽中受到追捧。同時，也帶火了相關的一些 Ensemble Learning 演算法。我想系統的梳理一下相關的知識點，但網上有關 GBDT 的文章相對瑣碎，所以有了這個系列。這個系列除了從理論層面去梳理相關概念，也會輔以實踐案例，包含的文章如下：

當我們在談論GBDT：從 AdaBoost 到 Gradient Boosting

當我們在談論GBDT：Gradient Boosting 用於分類與回歸

當我們在談論GBDT：其他 Ensemble Learning 演算法

當我們在談論GBDT：在 Kaggle 等競賽中實踐（暫時推遲）

當我們在談論 Deep Learning

Deep Learning 是眾多機器學習演算法中的一種。它起源於60年代的 Perceptron，經過80年代的 Artificial Neural Network，現階段被稱為 Deep Learning。迄今為止，是「有監督學習」領域最強大的演算法類型，暫時還沒有「之一」。同時，它也正在往」無監督「和」強化學習「領域擴散。網路上雖然已經有不少介紹 Deep Learning 的文章，但是大多不成系統，或作者並沒有持續更新。因此便想自己寫一個系列，梳理 Deep Learning 經典結構或演算法，盡量保持更新。本系列包含的文章如下（這只是預告，正文正在寫）：

Supervised Learning：

當我們在談論 Deep Learning：DNN 與 Backpropagation

當我們在談論 Deep Learning：DNN 與它的參數們（壹）

當我們在談論 Deep Learning：DNN 與它的參數們（貳）

當我們在談論 Deep Learning：DNN 與它的參數們（叄）

當我們在談論 Deep Learning：CNN 其常見架構（上）

當我們在談論 Deep Learning：CNN 其常見架構（下）

當我們在談論 Deep Learning：RNN 其常見架構

Unsupervised Learning：

當我們在談論 Deep Learning：AutoEncoder 及其相關模型

Reinforcement Learning：